论文题目: 复杂场景视频序列图像运动物体提取方法研究
论文类型: 博士论文
论文专业: 摄影测量与遥感
作者: 张鹏林
导师: 关泽群,王新洲
关键词: 运动物体,时变序列图像,运动分割,多目标分离,目标跟踪
文献来源: 武汉大学
发表年度: 2005
论文摘要: 在发达国家视频监视系统一贯被广泛应用于银行、电力、交通、安全、仓储、建筑以及军事设施等领域的安全防范和现场记录报警系统。因此,基于视频时变序列图像的运动分析成为计算机视觉和图像处理领域中的重要研究分支。近年来,随着国民经济的快速发展和综合国力逐步提高,智能化监视系统在军事、银行、交通等关键行业的预警、安全防范和现代化管理中的需求和应用愈加广泛。作为视觉监视系统重要技术支持的时变序列图像运动分析自然就成为计算机视觉的重要研究领域。尤其是随着各国城市化进程的加速,城市中机动车辆的拥有量逐年递增,而城市交通基础设施的建设却相对滞后的情况下,城市交通压力大大增加。在现有交通资源条件下尽可能的为人们提供一个更加舒适的交通环境成为全球各大城市普遍关注的问题。实现交通的智能化利现代化管理成为达到这一目标的重要途径,因此,交通视频监视时变序列图像的运动分析便引起了计算机视觉和图像处理领域研究人员的广泛研究兴趣。 面对城市交通压力逐年增加的严酷现实,城市交通的科学化、智能化管理成为当前各大城市交通管理中的普遍需求,随着信息技术的发展和信息化进程的加快,我国各主要城市开始广泛采用信息技术手段来提高城市交通管理的现代化水平,并为城市交通的现代化管理提供科学的数据支持,为此,一些城市广泛采用用于交通参数量测的传感器,如磁循环探测器等。但由于磁循环探测器固有的弱点,如仅能进行交通流量的量测,另外由于其安装在地面下容易被损坏等。致使其应用受到很大的局限性。然而,基于视觉的视频监视系统不仅具有不易被损坏,而还可以量测多种交通参数等特点而深受城市交通管理和研究部门的青睐,因此,获取的大量交通监视数据的自动化快速分析和理解便成了人们主要关注的问题,如何自动、科学的从大量的视频监视数据中提取运动信息成为管理者的广泛需求,同时也成了研究者的研究热点,本文就是基于这样的背景提出的,目的是通过本文的研究建立一套科学的交通视频监视数据的分析方法和技术手段,从而为交通管理提供科学的数据支持。 动态视频序列图像分析是计算机视觉和图像分析领域的一贯研究热点,论文在认真的分析了该领域的国内外研究现状的基础上,确立了本文研究的主要目标是以背景减的算法思想为基础研究复杂场景背景模型的准确重建方法,通过准确的背景模型重建来达到运动物体的准确分割,并对研究运动物体的追踪方法。在这样的研究目标的指导下通过详细分析国内外大量的已有研究成果,总结了视频序列图像运动分析的基本问题,提出了背景减运动物体提取的一般过程和研究框架。 运动物体提取是基于视觉的城市交通视频监视序列图像运动分析的第一个阶段,也是一个非常关键阶段。准确的运动物体提取是物体跟踪、分类、识别和运动参数提取的基础。多年来国内外研究人员进行了大量的研究,提出许多针对不同场景的运动物体提取方法。尽管如此,复杂场景的运动物体提取问题始终未能很好的解决,本文以城市交通复杂场景为研究对象,以背景减运动物体提取思想为基本出发点,以准确的背景模型重建为研究的指导心想,
论文目录:
第一章 绪论
1.1 序列图像分析研究背景
1.2 序列图像分析的研究现状
1.3 本文问题的提出及研究意义
1.4 本文的主要研究内容
1.4.1 研究总体目标及本文目标
1.4.2 复杂场景运动分析系统的研究内容
1.4.3 本文解决的关键问题
1.5 研究思路及论文结构
1.5.1 本文研究思路
1.5.2 本文组织结构
1.6 本章小结
第二章 复杂场景运动分析基础理论
2.1 关于城市交通构成的复杂性理解
2.2 复杂场景运动分析基础
2.2.1 基于特征的运动分析
2.2.2 基于光流的运动分析
2.3 复杂场景序列图像运动分析过程
2.4 序列图像运动分析的基本问题
2.4.1 投影问题
2.4.2 背景的复杂性问题
2.4.3 动态阈值问题
2.4.4 运动物体分离或追踪
2.4.5 运动表达问题
2.5 运动物体提取算法性能的量化评估方法
2.6 本章小结
第三章 复杂场景背景模型的卡尔曼滤波方法
3.1 运动物体提取概述
3.2 常用的背景估计方法
3.2.1 帧间差分算法
3.2.2 非参数化背景模型
3.3 背景模型的Kalman滤波算法
3.3.1 卡尔曼滤波器的基本原理
3.3.2 卡尔曼滤波自适应背景模型
3.3.3 实验结果
3.3.4 渐消因子卡尔曼滤波背景模型
3.4 卡尔曼滤波算法实验分析
3.4.1 从背景信号的能量变化角度分析
3.4.2 从背景模型在应用中的效果角度分析
3.5 本章小结
第四章 基于LEBESGUE测度与积分理论的背景恢复算法
4.1 Lebesgue积分基本理论
4.1.1 关于Lebesgue可测集与测度
4.1.2 关于可测函数与Lebesgue积分
4.2 时变序列图像信号分析
4.2.1 信号的基本概念
4.2.2 时变序列图像信号特征分析
4.3 时变序列图像背景重建的Lebesgue算法思想
4.4 基于Lebesgue理论背景重建算法描述
4.4.1 基于Lebesgue积分背景重建算法基本思想
4.4.2 基于Lebesgue积分背景重建算法实现
4.5 算法实验与分析
4.6 几种背模型算法性能比较
4.7 本章小结
第五章 运动物体分割与跟踪技术研究
5.1 运动提取与阈值动态选择
5.1.1 动态阈值选取
5.1.2 运动物体分割及背景更新
5.2 多目标分离与跟踪概述
5.3 “图斑”图像多目标分离算法
5.3.1 本文VSW多目标分离并质心量测算法
5.3.2 算法实验与分析
5.4 “图斑”图像单目标质心确定
5.4.1 单目标质心确定的矩方法
5.4.2 单目标质心确定方法实验分析
5.4.3 矩算法质心测量误差分析
5.5 运动物体跟踪技术探讨
5.5.1 刚体运动模型
5.5.2 基于目标质心的跟踪
5.5.3 基于Walsh变换的特征匹配追踪技术研究
5.6 本章小结
第六章 实验系统TVIPS简介
6.1 TVIPS原型系统设计
6.1.1 TVIPS设计目标
6.1.2 VSIPM体系结构
6.1.3 TVIPS功能设计
6.2 TVIPS运行
6.2.1 TVIPS运行环境
6.2.2 TVIPS运行界面
6.3 本章小结
第七章 结论与展望
7.1 全文总结
7.2 存在的问题与展望
附录一：术语解释：
附录二：主要参考文献：
附录二：攻博期间的科研情况
致谢
发布时间: 2006-03-27
参考文献
- [1].红外序列图像中运动弱小目标时域检测方法[D]. 王博.西安电子科技大学2010
- [2].基于动态序列图像的人脸表情识别系统理论与方法研究[D]. 万川.吉林大学2013
- [3].基于序列图像的三维重建算法研究[D]. 彭科举.国防科学技术大学2012
- [4].复杂结构件的X射线序列图像融合技术研究[D]. 祁艳杰.中北大学2015
- [5].基于模糊模型和形状特征的CT序列图像分割方法研究[D]. 王慧倩.重庆大学2016
- [6].视频序列图像中运动目标检测与跟踪算法研究[D]. 宋佳声.华南理工大学2014
- [7].红外序列图像中弱小目标检测方法研究[D]. 汲清波.哈尔滨工程大学2008
- [8].视频序列图像中目标跟踪技术研究[D]. 戴渊明.浙江大学2012
- [9].序列图像红外小目标检测与跟踪算法研究[D]. 孙继刚.中国科学院研究生院(长春光学精密机械与物理研究所)2014
- [10].序列图像三维重建方法研究[D]. 朱清波.华中科技大学2010